MS, 자체 이미지·음성 AI 모델 공개…빙 이미지 생성기 전면 적용

OpenAI의 최대 협력사이자 든든한 물주였던 마이크로소프트가, 자사 핵심 서비스 내부에서는 조용히 남의 모델을 걷어내고 자체 모델을 채워 넣고 있습니다.

마이크로소프트 AI 팀은 이미지 생성 모델 'MAI-Image-2.5-Pro'와 음성 합성 모델 'MAI-Voice-2-Flash'의 퍼블릭 프리뷰를 공개했습니다.

이번 발표와 함께 빙 이미지 크리에이터의 기반 엔진이 100% 자체 모델로 전면 전환되었으며, 차세대 엔비디아 GB200 클러스터가 본격 가동에 들어갔다는 사실도 공식 확인되었습니다.

텍스트 렌더링 잡은 이미지 모델과 더 빨라진 음성 엔진

MAI-Image-2.5-Pro는 마이크로소프트가 내놓은 모델 중 가장 높은 정밀도를 자랑합니다. 기존 이미지 생성 모델들의 고질병이었던 이미지 내 텍스트 표기를 정교하게 렌더링하며, 자연어 프롬프트를 통한 부분 수정 기능도 갖췄습니다.

가격은 100만 텍스트 입력 토큰당 5달러, 이미지 입력 8달러, 이미지 출력 106달러로 책정되었습니다. 외신 및 업계 분석에 따르면 파워포인트와 빙 등에 적용 시 외부 모델 대비 GPU 인프라 비용을 최대 84%까지 절감할 수 있는 것으로 나타났습니다.

속도에 초점을 맞춘 MAI-Voice-2-Flash는 대규모 고객센터를 겨냥했습니다. 기존 MAI-Voice-2 대비 속도는 2배 빠르고 가격은 32% 저렴한 100만 자당 15달러 수준이면서도 자연스러운 억양을 유지합니다.

이 음성 모델은 다이내믹스 365 콘택트 센터에 탑재되어 티모바일, 이지지젯 등 주요 기업 고객 환경에서 GPU 운용 비용을 최대 89% 줄였습니다.

외부 모델 증류 탈피, 의료 현장까지 영역 확장

마이크로소프트는 이번 모델들이 서드파티 모델의 지식을 빌려오는 '증류' 과정 없이, 출처가 확실하고 깨끗한 엔터프라이즈급 데이터로만 처음부터 자체 학습되었다는 점을 강조했습니다.

실제 산업 현장으로의 침투도 빠릅니다. 지난 분기 2,800만 건의 환자 진료를 처리한 의료용 솔루션 '드래곤 코파일럿'은 58개 언어를 지원하는 자체 전사 모델 'MAI-Transcribe-1.5'로 전면 교체되었습니다.

내부 평가 결과 다국어 음성 전사 및 언어 식별 오류율을 상대적으로 50% 낮춰, 최종 진료 기록의 정확도를 크게 끌어올렸습니다. 개발자들은 현재 마이크로소프트 파운드리와 MAI 플레이그라운드에서 해당 모델들을 직접 사용해 볼 수 있습니다.

왜 중요한가

우리는 마이크로소프트의 이번 행보가 외부 파운데이션 모델에 대한 의존도를 완전히 끊어내겠다는 전략적 독립 선언에 가깝다고 봅니다. 불과 1년 전 전열을 정비한 마이크로소프트 AI가 이제 연구실 단계를 넘어 주력 상용 서비스를 자사 모델로 채우고 있습니다.

기업 고객 입장에서는 비용 절감과 법적 리스크 해소가 가장 큰 이점입니다. 운영 비용을 80% 이상 줄이면서 타사 모델 증류를 거치지 않은 순수 데이터를 보증하기 때문에, 저작권과 규제에 민감한 엔터프라이즈 영역에서 강력한 대안이 됩니다.

업계 전반으로 보면 OpenAI에는 뼈아픈 신호입니다. 자사의 가장 강력한 유통 채널이었던 마이크로소프트가 오피스, 검색, 고객센터 등 핵심 서비스의 디폴트 모델을 자체 제품으로 바꾸기 시작하면 외부 모델 API 판매 모델은 강력한 도전에 직면할 수밖에 없습니다.

다만 한계도 존재합니다. 텍스트 렌더링이나 음성 응답 같은 특정 파이프라인 최적화에서는 뛰어난 성과를 보였지만, 복잡한 비즈니스 로직을 풀어내는 최고 수준의 범용 추론 영역까지 자체 경량 모델들이 완벽히 대체할 수 있을지는 프로덕션 환경에서 더 검증이 필요합니다.